基于自包含传感器的单兵导航系统设计

针对无卫星信号环境中单兵人员导航定位需求,设计了一种基于自包含传感器的单兵导航系统,重点研究了惯性传感器和压力传感器组合的零速区间检测算法,并通过对单兵导航系统背景磁场误差进行补偿来计算航向角,实现了速度观测量和航向观测量的准确提取。在此基础上,采用Kalman滤波器对系统状态误差进行估计,并对惯性导航解算结果中的累积误差进行修正。最后,在实际路线上开展了单兵导航系统定位实验,实验结果表明,行人在矩形路线终点位置处的位置误差为0.42m,占行走总路程的0.33%,从而证明了零速修正和航向修正能有效提高单兵导航系统的定位精度。     

基于维修性设计的管路自锁连接结构分析

为了研究管路连接结构对维修性设计的影响,针对军用小涵道比涡扇发动机外部管路连接结构,从维修性角度出发,详细研究了丝套自锁、爪式自锁、卡环自锁以及卡钩/卡槽4种管路自锁连接结构,分析了不同结构的特点和实现自锁的机理,得出管路自锁是通过相对独立于螺纹结构的形变产生克服螺纹松脱的力矩,并间接作用于螺纹实现自锁的结论。通过对比研究,总结归纳出不同管路自锁结构的优缺点,以及其取消保险丝显著提高管路连接的维修性和装配性的共性优点。     

三轴振动试验系统工作平台的谐振频率分析

为验证并提高三轴振动试验系统工作平台的谐振频率,进而提高系统的工作频率范围,文章采用有限元软件对平台在自由状态下的模态进行仿真。比较仿真结果与三轴振动试验结果可以看出,对角和对边弯曲频率偏差较小。该结果可为后续设计工作提供相对精确的计算指导。     

一种改进的果蝇优化算法及其在气动优化设计中的应用

果蝇优化算法(FOA)是一种新的群体智能优化算法,具有良好的全局收敛特性。为进一步提高FOA的寻优性能,将其引入到气动优化设计中,发展形成了改进的果蝇优化算法(IFOA)。IFOA通过引入惯性权重函数动态调整搜索步长,有效实现了算法全局搜索和局部搜索之间的动态平衡,提高了算法整体搜索效率和寻优精度;对于多维优化问题,IFOA每次搜索仅随机扰动其中一个决策变量,并在每个迭代步内将所有优秀果蝇个体(可行解)结合产生一个全新的果蝇个体进行一次搜索,大大加快了算法的收敛速度。函数测试结果表明,IFOA显著提高了FOA的寻优性能。将IFOA应用到气动优化设计中,翼型反设计和单/多目标优化设计的算例表明,IFOA是一种简单高效的优化方法,可广泛应用于气动优化设计。     

基于声发射信号信息距的滚动轴承故障诊断

在信息熵理论基础上,提出了一种融合小波能谱与马氏距离的信息距滚动轴承故障诊断方法.利用双转子试验台对滚动轴承内圈故障、外圈故障、滚动体故障、内圈 滚动体故障和内圈 外圈故障进行模拟,并采集其声发射信号.利用提出的信息距方法对获取的声发射信号进行分析,成功实现滚动轴承单一故障和耦合故障诊断.结果表明该方法信息利用率高于信息熵方法,能够清晰和准确地诊断出滚动轴承早期故障,效果明显优于信息熵距的诊断方法.      

三维可压缩非定常流的壁面分离判据及其分离线附近的流动形态

通过引入依赖于密度的物面法向速度变换wr=-1/ρh1h2∫ozh1h2(e)ρ/(e)tdz,描述物理速度空间(ua,va,wa=u,v,w+wr)具有无滑移壁面条件的三维可压缩非定常连续方程可转换成变换速度空间(u,v,w)内具有无滑移条件定常连续方程.因此,采用定常壁面分离的分析方法和结论,再通过变换和研究wr的贡献,给出了三维可压缩非定常壁面分离的判则以及分离线附近的流动形态.研究指出,二维和三维情况下,都出现伴有壁外附着的壁面分离情况.数值模拟证实了理论和结论.     

基于微处理器的同步串行接口技术研究

设计了一款基于SPI接口的同步串行通信模数转换电路,通过使用MCU片内寄存器配置编程与I/O口模拟时序输出编程的不同方法实现了芯片间SPI同步串行通讯,适应了具有多路SPI通讯接口的复杂集成电路系统设计需求,该技术具有较高的工程应用价值。     

基于MMSE的近似最优Lattice Reduction辅助线性并行检测算法

现有基于Lattice Reduction (LR)技术的多输入多输出(MIMO)系统检测算法,虽然可以有效地提高MIMO系统的误比特率(BER)性能,但其检测性能与最优的最大似然(ML)算法相比仍然存在差距.针对这一问题,提出了一种新的基于信道分组的线性Lattice Reduction辅助检测算法.该算法首先将信道分为两组,对通过条件最差子信道的信号采用最优的ML算法检测,然后将其从接收到的信号中消除,再采用Lattice Reduction技术对第2组信道进行优化,最终并行地对剩余信号进行检测.仿真结果表明:在16QAM(Quadrature Amplitude Modulation)和64QAM调制下,对于4×4的MIMO系统,该算法的误比特率性能达到了最优;对于6×6的MIMO系统,该算法相比最优的ML算法其检测性能相差不到0.5 dB.